医学图像处理远程虚拟实验教学平台的设计与实现

为帮助学生深入理解医学图像处理的概念和算法原理,提出了基于Matlab Web Server医学图像处理远程虚拟实验教学平台的构思。该平台采用B/S模式,利用ASP.NET和数据库技术结合Matlab Web Server组件实现。同时,指出该实验教学平台的构建,既满足了医学图像处理实验教学的需求,也解决了传统实验系统受时间和地域限制的问题,为教师提供了一种方便、快捷管理实验的平台,为学生提供了一个自主开放的实践环境。     

基于自适应标记分水岭算法的肝脏CT图像自动分割

目的为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法。方法首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为最大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割。结果该算法能自动、快速地提取CT系列图像中的肝脏区域。结论分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割。     

基于中医证候与危险分层关系的高脂血症神经网络预警模型研究

目的：探讨基于高脂血症中医证候与危险分层的神经网络预警模型。方法：在Matlab R2010a环境下,以高脂血症中医证候为输入,高脂血症危险分层为输出,建立反向传播（BP）神经网络预警模型。随机选取286例作为神经网络学习训练样本,剩余的30例作为测试样本。为了提高模型精度,建模前先对输入自变量进行降维处理。结果：降维前后的结果对比显示,经过降维处理后的神经网络预测准确率有所提高,平均误差为10%左右,说明建立的神经网络模型能够较好地预测高脂血症的风险等级。结论：研究结果表明,所建立的模型能够较好地提取中医证候与高脂血症危险分层的内在关系,将神经网络技术用于高脂血症中医证候与危险分层的研究是可行的。     

肝脏的三维可视化及切除术模拟研究

从CT断层数据提取出肝体、动脉、静脉、门静脉和肿瘤,采用轮廓拼接技术重建出肝脏和内部管道,然后利用交互式切割工具对其进行模拟手术切割,开发出一个基于PC的肝脏可视化与模拟切割系统。系统以V isual C++为开发工具,结合可视化类库VTK,用户可通过图形界面调节不透明值并观察肝脏及其内部管道的空间结构,同时实现交互式调节切割平面以模拟肝脏肿瘤切除术。切割面的动态调节与模拟肝切除术的效果图表明针对具体病人的CT数据进行重建可以直观地展示其三维结构,通过切割的模拟有利于术前规划和选择恰当的手术方位以减少对肝实质和血管的伤害。     

基于神经网络和支持向量机的中医体质辨识模型研究＊

目的 提出基于舌象和形体特征的中医体质辨识模型，探讨中医以舌辨质客观化、规范化方法。方法 提取客观化的舌象特征（舌质与舌苔的色度和饱和度、舌苔纹理的平均亮度、平滑度以及齿痕特征）和形体特征，建立基于神经网络和支持向量机的客观化舌象和形体特征的辅助中医体质识别模型。结果 对平和质、气虚质、阴虚质和气淤质四种体质进行模型的训练和测试，结果表明融合舌象特征和形体特征的中医体质辨识模型能有效地辅助中医体质识别，且支持向量机对四种体质辨识效果总体上优于神经网络。结论 基于客观化的舌象特征和形体特征辅助中医体质辨识有利于提高中医体质辨识的客观化水平，合理选择机器学习算法可以提高中医体质辨识的准确性。     

《WEB技术与应用》教学改革探索

使用Web方式进行应用系统的开发是当前的一种发展趋势。《WEB技术与应用》课程具有技术基础课与技术实践课双重特性。针对广东药学院计算机科学与技术专业(医学应用方向)学生开设的《WEB技术与应用》课程案例教学的改革和实践与大家进行探讨。     

融合舌象和形体特征的辅助中医体质辨识模型研究

构建客观化的中医体质辨识模型,为中医体质辨识提供一种辅助手段。分析测试者舌象中舌质和舌苔的颜色特征、舌苔的纹理特征,并融合形体特征,建立辅助中医体质辨识模型,并基于测试者的客观化舌象和形体特征数据的相似性,进行体质的辨别。实验结果表明,融合舌象和形体特征数据进行体质辨识,能有效提高体质辨识的客观化水平。     

VTK在医学图像处理教学中的应用

三维可视化工具包(Visualization Toolkit,VTK)是一个基于对象方法设计的、功能强大的可视化类库,可以便捷地实现医学图像的三维重建,将VTK用于医学图像处理的教学中,可以直观展示图像处理技术的特点。实践表明,这种方法不仅加深了学生对基本概念的理解,同时也激发了学生的学习兴趣。     

基于数学形态学的CT图像肝脏肿瘤提取研究

目的 肝脏肿瘤的提取是肝脏三维可视化、手术规划和模拟的基础,而当前肿瘤分割存在干预过多和分割效果不佳的问题.方法 本文通过对腹部CT图像进行高斯平滑以去除图像噪声和细密纹理,计算出图像的形态学梯度并用高、低帽变换进行增强,再根据用户选择点计算内部和外部标记符,然后基于控制标记符的分水岭算法分割图像,提取出腹部CT图像中的病变组织.结果 实验结果表明,该算法能够在较少的人工干预下快速分割出肝脏病变组织.结论 该算法实现了腹部CT图像中肝脏病变组织的提取.